机器学习的相关软件框架下载安装-2

简介: 机器学习的相关软件框架下载安装-2

三、Python 版本升级与包的维护


在实际的 Python 使用过程中,经常会遇到 Python 语言核心和第三方库的升级维护问题,当然,关于 Python 的安装、升级维护方法,也可查阅 Python 官网的相关介绍。

此处由于我们是通过 Anaconda 统一进行的语言核心和编程工具的管理,因此,在具体进行 Python 的升级维护之前,我们一般需要先对 Anaconda 进行更新。


1. 更新 Anaconda


  • 类似 pip 是 Python 的管理工具,conda 是 Anaconda 的管理工具,在更新 Anaconda 之前,需要先对 conda 工具本身进行升级。进入到命令行界面,输入下述命令更新 conda。
conda update conda
• 1


c233073bc91841b283c0450842e22030.png


  • 然后更新 Anaconda。
conda update anaconda



fe23b43c72aa438daa815da3860b2a90.png


  • 均更新完成即可。

2. 查看与更新 python 版本

  • 仍然是在命令行中,输入以下指令查看 python 版本。
python --version

915bcfef182d4a399ca83d5fb5a5c35f.png


  • 如果要进行 python 版本更新,也可采用 conda 工具进行更新。
  • 在命令行中继续输入
conda update python


  • 即可完成更新。

3. Python 第三方库管理

3.1 pip工具的使用和升级

  • 仍然是在命令行中,输入以下指令查看 Python 所有的包及版本。
pip list



772fd22ba3e5412fb4125607abf11640.png


  • pip 是 python 及其第三方库的管理工具,可以在命令行中输入。
pip show pip
• 1
  • 来查看 pip 版本号。



76a0c26c0bd5462d9456ca211cdeb0c0.png


  • 如果 pip 版本过低(查看版本号的时候会出现黄色字体警告),可能会导致部分包无法正常安装。
  • pip 的更新方法也很简单,只需在命令行中输入如下指令即可。
python -m pip install --upgrade pip


3.2 pip 安装和删除第三方库

  • 在命令行中,可通过 pip 安装第三方库,例如安装爬虫 selenium 库。
pip install selenium


d636fbe3a32247acbc5c79eb976d91fd.png


  • 即可。删除时,则使用 pip uninstall 命令。
pip uninstall selenium


3.3 pip 查看和升级第三方库版本

  • 同时,我们还可通过 pip show 命令查看包的版本。
pip show scikit-learn


8dc484362bf545daaac099318b29afce.png

  • 并且,可通过 pip install --upgrade 升级包。
pip install --upgrade scikit-learn


67e8555a3dc54a2280ab96f42636c58a.png

305a4fbecbd74bd1b1dc9ea567771c38.png


3.4 修改 pip 镜像源


利用 pip 进行包的安装升级过程中,如果发现下载速度较慢,甚至因为网络连接不稳定而报错,此时则需要考虑修改镜像源。

所谓镜像源,可以简单理解为包的下载站点。pip 默认是从国外站点进行下载,因此速度较

慢。我们可以考虑通过修改成国内镜像源,来提高下载速度。国内常用镜像源下载地址如下


  • (1) 临时使用国内镜像源。
  • 首先,我们可以在安装或升级包的过程中指定镜像源。
pip install --upgrade scikit-learn -i
https://pypi.tuna.tsinghua.edu.cn/simple



这种方法需要每次在输入命令的时候,都指定镜像源。

(2) 永久修改镜像源。

或者可以通过修改配置文件,永久修改镜像源。

首先,找到 anaconda 主目录,可以通过在任意文件窗口输入 %APPDATA% 快速获取,或者手动打开相关文件夹。

随后,在该目录下,新建一个名为 pip 的文件夹。

b99bd5a0b6c14323a0d7f1e9b8f42f84.png


进入到新建的 pip 文件夹内,新建一个名为 pip.ini 的文件,注意,该文件拓展名为 ini,可先创建 txt 文本,然后再修改其拓展名为 ini。

2697a3da4f804245b2e6d03a793a36ea.png

用文本编辑器打开,并输入以下内容。

[global]
timeout = 1000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn

此即为 pip 的配置文件。保存并退出,即可永久修改镜像源。





















相关文章
|
8月前
|
数据采集 自动驾驶 Java
PAI-TurboX:面向自动驾驶的训练推理加速框架
PAI-TurboX 为自动驾驶场景中的复杂数据预处理、离线大规模模型训练和实时智能驾驶推理,提供了全方位的加速解决方案。PAI-Notebook Gallery 提供PAI-TurboX 一键启动的 Notebook 最佳实践
|
机器学习/深度学习 人工智能 算法
Post-Training on PAI (3):PAI-ChatLearn,PAI 自研高性能强化学习框架
人工智能平台 PAI 推出了高性能一体化强化学习框架 PAI-Chatlearn,从框架层面解决强化学习在计算性能和易用性方面的挑战。
|
9月前
|
机器学习/深度学习 人工智能 算法
PaperCoder:一种利用大型语言模型自动生成机器学习论文代码的框架
PaperCoder是一种基于多智能体LLM框架的工具,可自动将机器学习研究论文转化为代码库。它通过规划、分析和生成三个阶段,系统性地实现从论文到代码的转化,解决当前研究中代码缺失导致的可复现性问题。实验表明,PaperCoder在自动生成高质量代码方面显著优于基线方法,并获得专家高度认可。这一工具降低了验证研究成果的门槛,推动科研透明与高效。
756 19
PaperCoder:一种利用大型语言模型自动生成机器学习论文代码的框架
|
8月前
|
机器学习/深度学习 人工智能 分布式计算
Post-Training on PAI (1):一文览尽开源强化学习框架在PAI平台的应用
Post-Training(即模型后训练)作为大模型落地的重要一环,能显著优化模型性能,适配特定领域需求。相比于 Pre-Training(即模型预训练),Post-Training 阶段对计算资源和数据资源需求更小,更易迭代,因此备受推崇。近期,我们将体系化地分享基于阿里云人工智能平台 PAI 在强化学习、模型蒸馏、数据预处理、SFT等方向的技术实践,旨在清晰地展现 PAI 在 Post-Training 各个环节的产品能力和使用方法,欢迎大家随时交流探讨。
|
10月前
|
机器学习/深度学习 算法 数据挖掘
PyTabKit:比sklearn更强大的表格数据机器学习框架
PyTabKit是一个专为表格数据设计的新兴机器学习框架,集成了RealMLP等先进深度学习技术与优化的GBDT超参数配置。相比传统Scikit-Learn,PyTabKit通过元级调优的默认参数设置,在无需复杂超参调整的情况下,显著提升中大型数据集的性能表现。其简化API设计、高效训练速度和多模型集成能力,使其成为企业决策与竞赛建模的理想工具。
380 12
PyTabKit:比sklearn更强大的表格数据机器学习框架
|
9月前
|
机器学习/深度学习 人工智能 自然语言处理
阿里云人工智能平台 PAI 开源 EasyDistill 框架助力大语言模型轻松瘦身
本文介绍了阿里云人工智能平台 PAI 推出的开源工具包 EasyDistill。随着大语言模型的复杂性和规模增长,它们面临计算需求和训练成本的障碍。知识蒸馏旨在不显著降低性能的前提下,将大模型转化为更小、更高效的版本以降低训练和推理成本。EasyDistill 框架简化了知识蒸馏过程,其具备多种功能模块,包括数据合成、基础和进阶蒸馏训练。通过数据合成,丰富训练集的多样性;基础和进阶蒸馏训练则涵盖黑盒和白盒知识转移策略、强化学习及偏好优化,从而提升小模型的性能。
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
948 4
|
11月前
|
人工智能 自然语言处理 算法
MT-MegatronLM:国产训练框架逆袭!三合一并行+FP8黑科技,大模型训练效率暴涨200%
MT-MegatronLM 是摩尔线程推出的面向全功能 GPU 的开源混合并行训练框架,支持多种模型架构和高效混合并行训练,显著提升 GPU 集群的算力利用率。
844 18
|
11月前
|
机器学习/深度学习 人工智能 Java
Java机器学习实战:基于DJL框架的手写数字识别全解析
在人工智能蓬勃发展的今天,Python凭借丰富的生态库(如TensorFlow、PyTorch)成为AI开发的首选语言。但Java作为企业级应用的基石,其在生产环境部署、性能优化和工程化方面的优势不容忽视。DJL(Deep Java Library)的出现完美填补了Java在深度学习领域的空白,它提供了一套统一的API,允许开发者无缝对接主流深度学习框架,将AI模型高效部署到Java生态中。本文将通过手写数字识别的完整流程,深入解析DJL框架的核心机制与应用实践。
701 3
|
11月前
|
机器学习/深度学习 运维 监控
万亿参数模型训练神器:Kubeflow 2025量子加速版下载与TPU集群配置详解
Kubeflow 2025 是一个云原生机器学习操作系统,实现了四大突破性创新:量子混合训练(支持经典-量子混合神经网络协同计算)、神经符号系统集成(融合深度学习与逻辑推理引擎)、边缘智能联邦(5G MEC节点自动弹性扩缩容)和因果可解释性框架(集成Pearl、DoWhy等工具链)。该平台通过混合计算架构、先进的硬件配置矩阵和量子增强型安装流程,提供了从基础设施预配置到核心组件安装和安全加固的完整部署方案。此外,Kubeflow 2025 还涵盖全生命周期开发实战案例、智能运维监控体系、安全与合规框架以及高阶调试技巧,帮助用户高效构建和管理复杂的机器学习项目。